SAM文件格式介绍

楼主  收藏   举报   帖子创建时间:  2019-01-16 00:00 回复:0 关注量:161
 

在SAM输出的结果中每一行都包括十二项通过Tab分隔,从左到右分别是:

1 序列的名字

2 概括出一个合适的标记,各个数字分别代表

  • 1  序列是一对序列中的一个
  • 2  比对结果是一个pair-end比对的末端
  • 4  没有找到位点
  • 8  这个序列是pair中的一个但是没有找到位点
  • 16  在这个比对上的位点,序列与参考序列反向互补
  • 32  这个序列在pair-end中的的mate序列与参考序列反响互补
  • 64 序列是 mate 1
  • 128 序列是 mate 2

假如说标记为以上列举出的数目,就可以直接推断出匹配的情况。假如说标记不是以上列举出的数字,比如说83=(64+16+2+1),就是这几种情况值和。

3  参考序列的名字

4 在参考序列上的位置

mapping qulity   越高则位点越独特

bowtie2有时并不能完全确定一个短的序列来自与参考序列的那个位置,特别是对于那些比较简单的序列。但是bowtie2会给出一个值来显示出 这个段序列来自某个位点的概率值,这个值就是mapping qulity。Mapping qulity的计算方法是:Q=-10log10p,Q是一个非负值,p是这个序列不来自这个位点的估计值。

假如说一条序列在某个参考序列上找到了两个位点,但是其中一个位点的Q明显大于另一个位点的Q值,这条序列来源于前一个位点的可能性就比较大。Q值的差距越大,这独特性越高。

Q值的计算方法来自与SAM标准格式,请查看SAM总结。

6 代表比对结果的CIGAR字符串,如37M1D2M1I,这段字符的意思是37个匹配,1个参考序列上的删除,2个匹配,1个参考序列上的插入。M代表的是alignment match(可以是错配)

7  mate 序列所在参考序列的名称

8 mate 序列在参考序列上的位置

9  估计出的片段的长度,当mate 序列位于本序列上游时该值为负值。

10 read的序列

11 ASCII码格式的序列质量

12 可选的区域

  • AS:i  匹配的得分
  • XS:i  第二好的匹配的得分
  • YS:i  mate 序列匹配的得分
  • XN:i  在参考序列上模糊碱基的个数
  • XM:i  错配的个数
  • XO:i  gap open的个数
  • XG:i  gap 延伸的个数
  • NM:i  经过编辑的序列
  • YF:i  说明为什么这个序列被过滤的字符串
  • YT:Z
  • MD:Z  代表序列和参考序列错配的字符串